Reweighted robust dispersion estimation methods for univariate S-charts
Tek değişkenli S-grafikleri için yeniden ağırlıklandırmalı sağlam yayılım tahmin yöntemleri
- Tez No: 474317
- Danışmanlar: DOÇ. DR. BURAK ALAKENT
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elde edilen ür ünlerin kalitesinin istenilen seviyede olmas ı ve bu seviyenin korunması, üretim s ürecinin konum ve yay ılı m parametrelerinin kararl ıl ı ğı na ve bu parametrelerdeki de ği şimlerin m umk un olabildi gince h ızlı tespit edilmesine ba ğlı dı r. S ürecin yay ılı mı n daki de ği şimleri denetleyebilmek i çin, istatistiksel s üre ç kontrol un un en yaygın ara çları ndan biri olan S kontrol gra fikleri kullan ılmaktad ır. Örneklenmi s evrenlerin normal da ğıl ıma uygunlu ğu varsayı ldı ğı nda, örneklem ortalaması ve standart sapmas ı, konum ve yayı lı m tahmin etmek i cin kullan ılan en verimli istatistiklerdir. Öte yandan s üre ç parametrelerinin tahmin edildi ği durumlarda ve örneklemelerde u çde ger verilerin varl ı ğı nda, geleneksel örneklem ortalaması önemli ölçüde de ği şmekte ve örneklem standart sapmas ını n ani y ükseli şi kalitesiz ürünlerin tespitini geciktirmektedir. Bu cal ışmada, s üre ç yay ılı m ın ı tahmin etmek i çin örneklem standart sapması , medyan mutlak sapma ve M- ölçek tahmin ediciler; ve s ürecin konumunu tahmin etmek i çin ise örneklem ortalaması , Harrell-Davis ve M-konum tahmin ediciler kullan ılm ış, ve elde edilen istatistikler 2. A sama kontrol limitlerinin olu sturulmas ında do ğrudan ve yeniden a ğırlı kland ırı larak kullan ılm ışt ır. Önerilen tahmin edicilerin 1. A şama verimlilikleri ve 2. A şama g üçleri, normal da ğılı mda ve da ğılm ış-b ölgesel, simetrik-asimetrik bozulmalara kar şı farkl ı bozulma miktar ve yoğunluklarında 50,000-100,000 mertebesinde say lar ında yap ılan Monte Carlo benzetimleri ile k ıyaslanm ıstı r. Sonu ç olarak, %2-4 k ırpma miktar ı ile yeniden a ğırlı kland ırı lan M- ölçek ve Harrell-Davis konum tahmin edicilerinin beraber kullan ım ı ve ortak konum parametre tahmini ile çizilen tekil g özlem grafi kleri yard ım ıyla u ç de ğerlerden ay ıklanm ış yay ıl ım tahmini kullan ılarak olu şturulan S kontrol grafi klerinin 2. A şama performans ını n y ükseldi ği belirlenmi stir.
Özet (Çeviri)
Maintaining the quality of manufactured products at a desired level depends on the stability of process dispersion and location parameters and detection of perturbations in these parameters as promptly as possible. In the application of S-Charts, which are one of the most widely used techniques to monitor process variability in statistical process monitoring, sample standard deviation and sample mean are known to be the most e cient traditional estimators in determining process parameters, based on the assumption of independent and normally distributed datasets. In the cases of estimated process parameters from Phase I data clouded with outliers, efficiency of traditional estimators is signi cantly reduced, and performance of S-Charts are undesirably low. The aim of this thesis is to propose various robust estimators and reweighing procedures to increase the performance of S-Charts in Phase II monitoring. Three dispersion estimators: sample standard deviation, median absolute deviation and scale M-estimator, and three location estimators: sample mean, Harrell-Davis qth quantile estimator and location M-estimator, are employed to directly construct the Phase II control limits of S-Charts, and also reweighted via di erent methods. Phase I efficiency of the proposed estimators and Phase II performance of S-Charts constructed from these estimators are assessed both under normality and against di ffuse-localized and symmetric-asymmetric contaminations at di erent contamination density and magnitudes using 50,000-100,000 Monte Carlo simulations. As a result, scale M-estimator combined with Harrell-Davis 0.5th quantile estimators yield parameter estimates with the highest efficiency, and reweighting at skipping level 2-4% using a common location estimate in individuals charts to screen outlier subgroups, and individual observations are found to improve the Phase II performance of the S-Charts.
Benzer Tezler
- Sağlam kısmi en küçük kareler regresyon analizinde yeni yaklaşımlar
New approaches in robust partial least squares regression analysis
ESRA POLAT
- Doğrusal regresyon modeli için m-tahmincilerin incelenmesi
Examination of m-estimator for lineer regression model
VURAL YILDIRIM
Yüksek Lisans
Türkçe
2012
İstatistikAnadolu Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. YELİZ MERT KANTAR
- Regrasyonun M, L, R tahmin edicileri ile yanlı tahmin edicilerinnin kombinasyonu
M, L, R estimators of regression and their combination with biased estimators
SAFİYE SELEN YILMAZ
- Ridge tahminine dayalı M-regresyonunun etkinliğinin incelenmesi
Investigation of the effectiveness of M-regression based on ridge estimation
ABDULLAH YURTASLAN
Yüksek Lisans
Türkçe
2022
İstatistikNecmettin Erbakan Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MURAT ERİŞOĞLU
- Robust (dayanıklı) regresyon yöntemleri üzerine bir araştırma
A research on robust regression methods
YASİN BÜYÜKKÖR
Doktora
Türkçe
2020
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ALİ KEMAL ŞEHİRLİOĞLU